“因果关系不是神秘的或形而上学的。我们可以用简单的过程来理解它，也可以用友好的数学语言来表达它，以便为计算机分析做好准备。”2000年，《因果论：模型、推理和推断》第1版出版时，作者朱迪亚·珀尔说了一些相当“大胆”的话，但随着我们进入大数据时代和机器学习的“数据拟合”热潮中，因果推断和因果建模的重要性也在过去20多年中得到了进一步体现。

如2021年诺贝尔经济学奖授予了三位在经济学研究中利用自然实验数据进行因果推断的学者。而因果分析与推断在各个不同的领域有着广泛的应用前景，从统计学、经济学、哲学、社会学到人工智能、认知科学、流行病学、心理学、基因学等。

朱迪亚·珀尔是美国国家科学院院士、贝叶斯网络奠基人、结构因果图的创始人，2011年，因其在人工智能领域的基础性贡献荣获图灵奖。

在大数据时代中需要突破“所有知识都来自数据关联”这一框架，亟需因果关系范式融合领域知识、常识约束的问题研究，本书就描述了这样一种体系，介绍了因果关系分析和推断的思想和方法，其中包括do-操作、反事实、原因的充分性与必要性、特异原因、实际原因等内容。

本书凝聚了珀尔多年来在因果领域的研究心血，也是他对自己研究成果的一次较为全面的总结。第1版曾获2001年拉卡托斯奖。

《因果论：模型、推理和推断（原书第2版）》，[美]朱迪亚·珀尔著，刘礼、杨矫云、廖军、李廉译，机械工业出版社2022年5月出版，定价：219元